|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14391
- 金币
- 2481
- 威望
- 1647
- 贡献
- 1429
|
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
8 x+ \; f0 W8 L/ B% n. \& N3 \+ u* @3 x4 }$ Q
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
M/ a9 t% x+ E$ K# Y6 d# C; q r5 l5 R* i
! B: L0 G- ]2 v$ h5 ~: @7 f+ ~＜form action=" abstractSRCfrompage.php3" method="post"＞
# Y$ R; W5 [) A* R3 A5 d; ` 输入网址＜input type=text name=filename＞＜br＞) s2 T; i# B9 ]/ H- A- f) l
＜input type=submit name=submit value="提交"＞
) }1 f6 S) W2 M＜/form＞
9 N: X [1 ~) T- ^7 ^# @9 Z- j$ g
& G2 @$ i, i/ A% t9 w- R
7 M$ c U8 P3 S 输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
4 ?* b) M6 o; s
/ N. d; C `4 o5 C
- A: ~ M2 r3 D( _! ^ J7 y＜?php
7 d+ a b7 p0 O0 A2 [; vif ($filename!=""){
( R; ^) g5 k8 B/ E4 _, f$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 A, O! ~) l/ ?. b: |9 c
while ($buffer = fgets($fp, 1024)) {' M; \1 S4 x! ?& S
$source .=$buffer; }
! S" L# j4 y1 Ifclose($fp);) w% I- b" l: \* @$ S! \
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记, ]+ J/ V" Z* P1 S& G7 @
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {9 k" L: N! L+ `& _4 I
echo "找到图片标签:)＜br＞";}' O. f5 o1 {4 l8 n* k
else{
& e2 I2 n$ z7 }echo "未发现图片标签:(＜br＞";}
/ K6 j- V q" Ffile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，1 Y/ W. i1 ^: Y' P
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);; R$ H0 R# H) ]4 H
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" y$ k% m+ v7 C1 L. X9 ?
for($i=1;$i＜sizeof($splitres);$i++){
( m, T l+ N4 O. O7 X/ gfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;. T. k& w' X" b/ t# Y
unset($imgname); // 再次使用前删除imgname变量；$ @1 P. C6 C$ Y3 j1 c
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( W9 w: g4 N2 E5 cecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
6 {% F2 R, `9 ~9 c4 B" H3 u}$ p' b5 i+ G7 T5 W$ d. N
}
' w* ]5 Z1 U: U# B! O; q+ z?＞' \ P9 Z: K+ L8 n2 J: F
8 k& g3 o A3 J6 D0 S
3 N$ @5 I& [* M) ^ 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
; o( B. p" g1 ~4 X/ z& O, s" ~2 L% |. L B0 c& q
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
9 F2 {" U0 }# B; V$ @$ @2 l7 T* e. {- H" G- [& W0 R& T
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
+ c9 a( g D; S! G! n, K/ F/ b; }; H
* s5 f% h- F* b/ N+ ^) T, @ 如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？ |
|
发表于 2008-1-19 23:31
| 